推荐系统一直以来是大数据决策和人工智能领域的一个重要研究方向。三支决策借鉴粒计算信息粒化和层次结构的思想，采用化繁为简和分而治之的策略，为人们处理复杂决策问题和理解决策过程提供了一种新的研究途径。本书从时间与空间维度入手，以粒计算理论为基本出发点，以人工智能技术为指导思想，以时空特性为研究主线，以推荐系统为应用场景，来研究面向粒计算的时空三支推荐理论与方法。本书的相关研究内容能够适应大数据分析需求和复杂的决策环境，不仅能够丰富三支决策理论的内涵和外延，形成一套可解释性三支决策研究新体系，而且可以拓展智能推荐系统的应用范围，推动其在应用人工智能技术领域的发展。
更多科学出版社服务，请扫码获取。
2001.9-2005.7，西南交通大学，信息与计算科学，理学学士
2005.9-2011.7，西南交通大学，管理科学与工程，管理学博士
2012.5-2014.7，清华大学，管理科学与工程，博士后
2009.9-2010.9，加拿大Regina大学，计算机科学与技术，访问学者
2016.12-2017.12，美国卡内基梅隆大学，机器学习与大数据分析，访问学者2011.7-2013.9，西南交通大学，讲师
2013.9-2016.12，西南交通大学，副教授
2012.5-2014.4，清华大学，博士后
2016.12-至今，西南交通大学，教授/博导1、四川省第十七次哲学社会科学优秀科研成果三等奖(省部级：四川省人民政府授予，2017)。
2、四川省第十五次哲学社会科学优秀科研成果二等奖(省部级：四川省人民政府授予，2013)。
3、四川省第十三次哲学社会科学优秀科研成果三等奖(省部级：四川省人民政府授予，2009)。
目录
序
前言
第1章 三支决策与粒计算 1
1.1 粒计算概述 1
1.2 三支决策基本思想 4
1.2.1 三支决策的哲学与管理思想 6
1.2.2 狭义三支决策与粗糙集理论 7
1.2.3 广义三支决策与TAO 模型 9
1.3 效用三支决策与行为三支决策 13
1.4 三支决策与认知计算 16
1.5 本章小结 21
参考文献 21
第2章 三支决策与推荐系统 25
2.1 推荐系统基本原理与方法 25
2.2 基于机器学习的三支决策 29
2.2.1 相关研究现状 30
2.2.2 三支决策与三支聚类 35
2.2.3 三支决策与三支分类 36
2.2.4 三支决策与深度学习 38
2.3 三支决策与推荐系统简介 40
2.4 本章小结 42
参考文献 42
第3章 基于时间维度的三支推荐理论与方法 48
3.1 引言 48
3.2 相关概念 50
3.2.1 时间三支决策 50
3.2.2 矩阵分解技术 53
3.3 基于时间维度的三支推荐 56
3.3.1 基于矩阵分解的时间粒化策略 56
3.3.2 基于矩阵分解的时间三支粒推荐方法 56
3.4 实验分析 66
3.4.1 数据集 66
3.4.2 实验设置 67
3.4.3 实验结果分析 68
3.5 本章小结 80
参考文献 81
第4章 基于空间维度的三支推荐理论与方法 84
4.1 引言 84
4.2 相关概念 86
4.2.1 空间三支决策 86
4.2.2 协同主题回归 90
4.3 基于空间维度的三支推荐 92
4.3.1 基于协同主题回归的空间粒化方法 92
4.3.2 基于协同主题回归的空间三支粒推荐方法 96
4.4 实验分析 102
4.4.1 数据集 102
4.4.2 实验设置 103
4.4.3 实验结果分析 104
4.5 本章小结 110
参考文献 110
第5章 基于时空维度的三支推荐理论与方法 114
5.1 引言 114
5.2 相关概念 115
5.2.1 时空三支决策 115
5.2.2 循环神经网络 119
5.3 基于时空维度的三支推荐 121
5.3.1 基于循环神经网络的时空粒化方法 121
5.3.2 基于循环神经网络的时空三支粒推荐方法 122
5.4 实验分析 130
5.4.1 数据集 130
5.4.2 实验设置 131
5.4.3 实验结果分析 133
5.5 本章小结 138
参考文献 138
第6章 基于多源数据的三支推荐理论与方法 141
6.1 引言 141
6.2 相关概念 145
6.3 基于多源数据的三支推荐 147
6.3.1 基于协同深度学习的粒化方法 148
6.3.2 基于多源数据的三支推荐方法 149
6.4 实验分析 152
6.4.1 数据集 152
6.4.2 实验设置 152
6.4.3 实验结果分析 154
6.5 本章小结 159
参考文献 159
第7章 三支推荐的应用研究 162
7.1 面向在线问诊平台的三支推荐方法 162
7.1.1 研究背景 162
7.1.2 相关概念 164
7.1.3 基于在线问诊平台的三支推荐方法 165
7.1.4 实验结果及分析 170
7.1.5 研究结论 177
7.2 基于粒计算的三支美食推荐方法 177
7.2.1 研究背景 177
7.2.2 相关概念 179
7.2.3 基于粒计算的美食推荐方法简介 182
7.2.4 实验结果及分析 185
7.2.5 研究结论 194
7.3 基于XGBoost的三支优惠券推荐方法 194
7.3.1 研究背景 194
7.3.2 相关概念 195
7.3.3 基于XGBoost的三分类优惠券问题 198
7.3.4 实验结果及分析 202
7.3.5 研究结论 207
7.4 本章小结 208
参考文献 208
书单推荐
